Привет Хабр! Меня зовут Илья и сегодня мы поговорим про кроссворды.
Если когда-то будет противостояние человечества и машин, то последнее что позволит нам, кожаным мешкам, отличить своих собратьев от бездушных киборгов - это искусство составления кроссвордов. GPT ужасно составляет кроссворды.
А вот так с задачей справляется GPT-4 Omni
Prompt> Составь пожалуйста небольшой кроссворд про машинное обучение.
GPT-4O> Конечно! Вот пример кроссворда на тему машинного обучения с 10 словами.
Сетка кроссворда
| _ _ _ _ _ _ _
| _ _ _
| _ _ _ _ _ _ _ _ _ _ _ _ _
| _ _ _ _ _ _ _ _ _ _ _ _ _
| _ _ _ _ _ _ _ _ _ _
| _ _ _ _ _ _
| _ _ _ _ _ _ _ _ _
| _ _ _ _ _ _ _ _ _ _ _ _ _ _
| _ _ _ _ _ _ _ _
| _ _ _ _ _ _ _ _ _ _ _ _ _
Скрытый текст
Подход в машинном обучении, где алгоритм обучается на размеченных данных.
Метод уменьшения размерности данных.
Параметр, который регулирует сложность модели и может предотвратить переобучение.
График, используемый для оценки производительности моделей классификации.
Алгоритм, который работает по принципу голосования деревьев решений.
Один из самых популярных алгоритмов кластеризации.
Библиотека на языке Python для машинного обучения.
Методика, используемая для оценки точности модели с разделением данных на части.
Обобщающее название методов, использующих множество базовых моделей для улучшения точности.
Процесс настройки параметров модели для достижения лучших результатов.
Ответы
S U P E R V I S E D
P C A
R E G U L A R I Z A T I O N
R O C C U R V E
R A N D O M F O R E S T
K M E A N S
S C I K I T L E A R N
C R O S S V A L I D A T I O N
E N S E M B L E
H Y P E R P A R A M E T E R
Не очень похоже на кроссворд, не правда ли?
Скрытый текст
Prompt> Please compose small crossword-puzzle about ML.
GPT-4O> Certainly! Below is a small crossword puzzle focused on Machine Learning (ML) terms.
10 | O | V | E | R | F | I | T |
I | | | | D | | | S |
N | | P | I | | | | |
S | | R | - | H | V | A | R |
E | A | G | G | R | E | P | I |
T | | E | I | L | I | O | U |
4| E | L | M | A | I | N | C | V
|
Скрытый текст
1. Essential component in programming used to store data. (8)
4. A type of neural network used mainly for NLP. (3)
6. The first stage in data processing. (4)
8. A loss function often used in regression tasks. (6, 3)
9. Technique to reduce overfitting. (8)
10. Model evaluation technique dividing data into training and testing sets multiple times. (10)
Скрытый текст
2. Autonomous programs that replicate human decision-making. (5)
3. Technique used in SVM to create linearly separable classes. (9)
5. Algorithm paradigm inspired by the structure of the brain. (6, 8)
7. A statistical measure used to understand distances in clustering. (6)
Раз GPT с задачей справиться не может, придётся придумать как ей помочь. В этой статье я расскажу как как это сделать.
Весь код можно найти в репозитории.
TL; DR Кроссворд про ML
Вот ссылка на кроссворд.
На отгадывание у вас уйдёт минут 20-30. Он точно разгадываемый, проверено на живых программистах.
N.B. Кроссворд на английском, потому что почто весь профессиональный жаргон - сплошные англицизмы и я решил что странно если вопросы будут на русском, а ответы на английском.
Шаг №1 Собираем базу слов
Сначала я хотел написать каких-нибудь ML терминов из головы, но моей фантазии хватило на 30 слов. Пришлось вооружиться data-driven подходом.
Я нашел на GitHub справочник по ML терминам - https://github.com/bfortuner/ml-glossary
Написал скрипт который парсит уникальные слова - их получилось около 3000.
Отсмотрел вручную и оставил только те, что подходят для использования в кроссворде: существительные или глаголы в нормальной форме, если слово встречается в нескольких вариантах написания, то оставляю “самую нормальную”.
В итоге у меня получился список из 242 слов
Отсмотреть 3 тысячи слов заняло у меня около получаса реального времени.
По идее базу можно было бы отфильтровать в автоматическом режиме, используя расстояние между эмбедингами слов и что-то вроде TF-IDF.
Шаг №2 Собираем их в кроссворд
В интернете много сайтов, которые позволяют собрать свой кроссворд из списка слов, например Crossword Labs, но итоговый кроссворд получается очень "разреженным", хочется сделать его покомпактнее.
Я написал небольшую программу на C++ которая случайным способом пытается собрать максимально компактный кросворд, работает так:
Размещаем слово в случайном месте поля по горизонтали
Пробуем разместить следующее слово по вертикали в случайном месте, так что бы было хотя бы одно пересечение с другими словами.
Дальше опять размещаем слово по горизонтали c хотя бы одним пересечением. GOTO п2
Если слово разместить не удаётся - смотрим метрику “занятости” (количество занятых клеток поделить на количество свободных клеток).
Повторяем шаги с 1 по 4 несколько раз, выбираем кроссворд с максимальной "занятостью".
Шаг №3 Делаем вопросы с помощью ChatGPT
Хвала LLM, еще раньше эта стадия была самая сложная для автоматизации, сейчас всё делается довольно тривиально. Прогоняем каждое слово через API от OpenAI (суммарно за 242 слова мне это стоило меньше 10 центов).
Скрытый текст
You are avid ml engineer working on a little puzzle (crossword) to check the knowledge of ML of your colleagues.
Скрытый текст
Please compose a short ai/ml themed clue for word '{word}', do not mention number of letters in the clue.
Шаг №4 Собираем всё вместе в web страницу
Я не знаю ничего в web разработке, поэтому я попытался заниматься реверс инжинирингом нескольких сайтов что бы “занять” у них движок для отрисовки кроссвордов, к сожалению у меня ничего не вышло. Зато где то после 3х часов поисков в интернете удалось найти великолепный репозиторий на GitHub который делал то что мне нужно https://github.com/jweisbeck/Crossword
К сожалению, там была куча багов, но кое-как мне удалось их пофиксить. Ещё один скрипт на питоне что бы собрать всё воедино и ...
Вуаля - кроссворд готов https://udalovilia.com/crossword/
Вместо заключения
Если вам понравилось - то поделитесь с друзьями, вот ссылка на кроссворд.
И можете поставить звёздочку моему GitHub репозиторию.